执行算法 — Limit / Mid / TWAP

日期: 2026-07-12 方向: Phase 3 / 执行算法 阶段: Phase 3: 实盘+规模化+迁移 标签: #ExecutionAlgo #LimitOrder #MidPrice #TWAP #VWAP #IBKRSmartRouter #FillRate

---

今日目标

---

一、为什么散户也要懂执行算法

很多人觉得「执行算法是机构做大单时才用的东西」，对散户来说这是一个昂贵的误解。

来算一笔账：

账户规模：$5,000
月度目标 P&L：5% = $250
单笔交易规模：$100-$500
单笔滑点：0.5%-2%（取决于流动性 + 订单类型）

单笔 $100 滑点 2%   = $2
单笔 $500 滑点 0.5% = $2.5

月度 30 笔 × $2 滑点 = $60

$60 / $250 月度 P&L = 24%

滑点吃掉你 1/4 的 alpha，而且这部分被吃掉的钱不像佣金一样有发票——是悄悄从成交价里扣掉的。更糟的是 IBKR 的报表上不会显示「你今天因为下了 market 单多付了 $2」，你只能自己反推。

我自己的经验法则：单笔滑点 = 月度 P&L 的 10% 是 acceptable buffer，超过这个就要重新审视下单方式。Phase 1-2 我们都默认用 Limit 单，Day 64 要做的是把这个「默认」升级成有 trade-off 意识的选择。

1.1 滑点的三个来源

核心认知：散户没有 market impact 问题（你的 $500 不会推动 SPY 价格），但 spread cost 是真正的杀手——这是所有执行算法的核心要解决的问题。

---

二、基础 Order Types：先把四种最常用的搞清楚

2.1 Market Order

你说：「按现价立即成交」
broker：「好的，吃掉对手盘最便宜/最贵的单」

Market 单的真实危险：在 SPY 期权上，假设 spread 是 bid 1.20 / ask 1.30：

• 你下 market buy 1 张 → fill at 1.30
• 你以为「按现价」≈ mid 1.25，结果多付了 $5/张
• 一笔不算什么，100 次 = $500，你的月度 P&L 没了

只有一种场景该用 Market：你必须立即平仓（比如止损被触发、突发新闻），额外的 spread cost 比再多持仓 5 分钟的风险低。

2.2 Limit Order

你说：「我要 1.25 或更好，差就别成交」
broker：「好的，放进 order book 等」

Limit 的核心 trade-off：

• 设得「贪心」（深 in the book） → 等不到 fill → 错过行情
• 设得「妥协」（接近 ask） → 几乎肯定 fill → 但 spread cost 又回来了

这个 trade-off 就是后面 Mid-price / Marketable Limit / Patience Order 三个变种要解决的。

2.3 Stop Order

你说：「价格碰到 X 后，自动变 Market 单」
broker：「好的，碰到就吃市价」

典型悲剧：你在 $100 设 stop loss，盘中 flash crash 价格瞬间到 $85 又拉回 $99。你的 stop 在 $85 fill 了，亏 $15 + spread cost——而 5 分钟后价格已经回来了。

对个人量化的启示：纯 Stop 单等于 Market 单的延迟版，flash crash 时它会 fuck 你。

2.4 Stop-Limit Order

你说：「碰到 X 后，挂 Limit 在 Y」
broker：「好的，碰到挂 Limit 不挂 Market」

Stop 和 Stop-Limit 的取舍：

• 容忍亏一点但要确保平仓 → Stop
• 不愿被 flash crash 操，宁可不平 → Stop-Limit
• 我自己的选择：Stop-Limit + Limit 离触发价 1-2%，给 flash crash 一点 buffer 但不至于平不掉

# Stop-Limit 示例
from ib_insync import StopLimitOrder
# trigger at 99, then limit at 98 (1% buffer)
order = StopLimitOrder('SELL', 1, lmtPrice=98.0, stopPrice=99.0)

---

三、散户的三个关键策略变种

3.1 Mid-price Limit（散户首选）

bid, ask = ticker.bid, ticker.ask
mid = (bid + ask) / 2
limit_price = round(mid, 2)  # 注意 tick size

为什么 60-70% 而不是更高：你的 Mid 单挂在 spread 中间，必须有对手盘也愿意来到 mid 撮合。SPY/QQQ 等高流动品有大量做市商在 mid 附近报价，所以 fill rate 高；小盘股期权 mid 单几乎不成交。

实操技巧：

1. 挂出去后等 30-60 秒（不是几小时）
2. 没 fill 就逐步逼近 ask：mid → mid + 1 tick → mid + 2 ticks → marketable
3. 这个「逐步逼近」过程叫 Price Improvement Walking，本质是「先尝试便宜的，不行再退一步」

3.2 Marketable Limit（几乎肯定成交）

# 买的时候用 ask price 做 limit
limit_price = ticker.ask  # 买
limit_price = ticker.bid  # 卖

为什么不用 Market 单而用 Marketable Limit：

• Market 单可以 fill 到比 ask 更糟的价（如果 ask 上的 size 不够吃完你的单）
• Marketable Limit at ask 至少保证「不比 ask 差」
• fill rate 几乎一样，但价格上限锁死

这是个免费的 upgrade。任何时候你想下 Market 单，先停下来改成 Marketable Limit——同样的成交概率，但多一层保护。

3.3 Patience Order（看 PFOF）

# 挂 5% above mid（卖单）
limit_price = mid * 1.05
# Time-in-Force: DAY (默认) 或 GTC

这个策略本质是赌散户 PFOF flow：某些做市商（Citadel, Virtu）拿到散户的 market flow 后，可能愿意以远好于 mid 的价格 fill 你的 patience 单（因为他们另一头吃了散户的 market 单赚了 spread）。

实操：我把 covered call 的 take-profit 单都用 Patience Order——反正没成交也无所谓，成交了就是天上掉钱。

---

四、TWAP / VWAP（机构级，但要懂概念）

4.1 什么是 TWAP / VWAP

TWAP (Time-Weighted Average Price):
  把一个大单 X 在 T 时间内平均切成 N 片
  例：10,000 股 SPY，在 1 小时内每 6 分钟下 1,000 股
  目标：让你的平均成交价接近这段时间的 TWAP

VWAP (Volume-Weighted Average Price):
  按市场成交量分布切单
  例：开盘 5 分钟成交量大，下更多片
  目标：你的成交价 ≈ 这段时间所有人的平均成交价

4.2 散户什么时候才需要

公式：单笔规模 / ADV > 1% 才考虑切单。

SPY ADV ≈ 80M 股/天
1% × 80M = 800,000 股 → 你单笔下 800k 股才会推动价格

期权 SPY ATM 当月合约 ADV ≈ 100k 张
1% × 100k = 1,000 张 → 你单笔 1,000 张才有 market impact

结论：<$5k 账户永远不需要 TWAP/VWAP——你的单子在市场里像滴水入海。但你要懂概念，因为：

1. 面试可能问到
2. Phase 4 资金到 $50k+ 后，单笔期权 100 张时已经接近小盘股期权的 1% ADV
3. 理解 TWAP 帮你看穿很多「自动化交易」营销话术

4.3 IBKR TWAP 用法（懂概念用一次）

from ib_insync import Order

order = Order()
order.action = 'BUY'
order.orderType = 'MIDPRICE'  # 也支持 'TWAP'
order.totalQuantity = 100
# 算法参数
order.algoStrategy = 'TWAP'
order.algoParams = [
    ('startTime', '20260712-09:30:00 US/Eastern'),
    ('endTime',   '20260712-10:00:00 US/Eastern'),
    ('allowPastEndTime', 0),
]

注意：IBKR 的 algo orders 在小单上经济上不合算——每个切片都是一笔单独的订单，每笔都收最低 $0.35 佣金。100 股切 10 片 = $3.5 佣金，比 spread saving 还多。

---

五、IBKR 提供的执行算法（重点）

5.1 SmartRouter（默认 + 应该 99% 时间用它）

SmartRouter 工作机制：
  1. 收到你的单
  2. 扫描所有 venue（NYSE, NASDAQ, ARCA, EDGX, IEX, dark pools...）
  3. 找当前 best price + best fill probability
  4. 自动路由

vs Robinhood/Lite 的 PFOF：
  1. 收到你的单
  2. 卖给 Citadel/Virtu
  3. 他们 internalize（不一定 best price）
  4. 你看不到背后的路由决策

对量化的意义：SmartRouter 的成交质量在统计意义上优于 PFOF，这是 Day 1 我们选 IBKR Pro 而不是 Lite 的核心原因。

5.2 Adaptive Algo（IBKR 的杀手锏）

order.algoStrategy = 'Adaptive'
order.algoParams = [('adaptivePriority', 'Patient')]
# 或 'Normal', 'Urgent'

Adaptive Algo 的本质：IBKR 用内部 ML 模型学习市场微结构，自动做你本来要手写的 mid → ask 逼近逻辑。对 Pro 用户免费——这是 IBKR 给我们的免费 alpha。

我的用法：

• 大部分入场单：Adaptive + Patient
• 止损 / 紧急平仓：Adaptive + Urgent
• 不再自己写「30 秒没成交就改价」的逻辑——交给 Adaptive

5.3 DARK / Dark Pool Only

order.algoStrategy = 'DarkIce'  # 或 'Dark'

散户用不用：<$5k 时不用。当你单笔 SPY 期权 10 张以下时，没人在乎你的 size，front-run 不存在。

5.4 IceBerg（隐藏 size）

order.orderType = 'LMT'
order.totalQuantity = 1000
order.displaySize = 100  # 只显示 100 在 order book

机制：order book 上只显示 100 股，每 fill 100 就再露出 100，直到 1000 全 fill。

散户用不用：单笔 < 1000 股完全用不上。

---

六、代码实操：100 次小单滑点统计

6.1 实验设计

标的：SPY（流动性极好）
单笔规模：1 股（最小可行实验单位）
对比组：
  A. Market Order × 30
  B. Marketable Limit (at ask) × 30
  C. Mid-price Limit (wait 60s) × 30
  D. Adaptive Algo Normal × 10

测量：
  - Fill price vs mid at order time
  - Time to fill
  - Slippage in basis points

6.2 代码

# tr_day64_execution_lab.py
from ib_insync import IB, Stock, MarketOrder, LimitOrder, Order
import pandas as pd
import time

ib = IB()
ib.connect('127.0.0.1', 7497, clientId=64)

spy = Stock('SPY', 'SMART', 'USD')
ib.qualifyContracts(spy)

results = []

def get_mid():
    t = ib.reqMktData(spy, '', snapshot=True)
    ib.sleep(1.5)
    mid = (t.bid + t.ask) / 2
    ib.cancelMktData(spy)
    return mid, t.bid, t.ask

def log_fill(strategy, mid_at_submit, trade):
    fill = trade.orderStatus.avgFillPrice
    slip_bps = (fill - mid_at_submit) / mid_at_submit * 10000
    results.append({
        'strategy': strategy,
        'mid_at_submit': mid_at_submit,
        'fill': fill,
        'slip_bps': slip_bps,
        'time_to_fill_sec': (trade.log[-1].time - trade.log[0].time).total_seconds()
                            if len(trade.log) > 1 else None,
    })

# Strategy A: Market
for i in range(5):  # 真跑实验改 30，演示用 5
    mid, bid, ask = get_mid()
    order = MarketOrder('BUY', 1)
    trade = ib.placeOrder(spy, order)
    while not trade.isDone():
        ib.sleep(0.5)
    log_fill('Market', mid, trade)
    # 立刻反向平掉，避免净仓位
    ib.placeOrder(spy, MarketOrder('SELL', 1))
    ib.sleep(2)

# Strategy B: Marketable Limit (at ask)
for i in range(5):
    mid, bid, ask = get_mid()
    order = LimitOrder('BUY', 1, ask)
    trade = ib.placeOrder(spy, order)
    while not trade.isDone():
        ib.sleep(0.5)
    log_fill('Marketable', mid, trade)
    ib.placeOrder(spy, MarketOrder('SELL', 1))
    ib.sleep(2)

# Strategy C: Mid-price Limit (wait 60s)
for i in range(5):
    mid, bid, ask = get_mid()
    order = LimitOrder('BUY', 1, round(mid, 2))
    trade = ib.placeOrder(spy, order)
    start = time.time()
    while not trade.isDone() and time.time() - start < 60:
        ib.sleep(1)
    if not trade.isDone():
        ib.cancelOrder(order)
        results.append({'strategy': 'Mid-60s', 'mid_at_submit': mid,
                        'fill': None, 'slip_bps': None, 'time_to_fill_sec': None})
    else:
        log_fill('Mid-60s', mid, trade)
        ib.placeOrder(spy, MarketOrder('SELL', 1))
    ib.sleep(2)

df = pd.DataFrame(results)
print(df.groupby('strategy').agg(
    n=('fill', 'count'),
    mean_slip_bps=('slip_bps', 'mean'),
    median_slip_bps=('slip_bps', 'median'),
    fill_rate=('fill', lambda x: x.notna().mean()),
    avg_time=('time_to_fill_sec', 'mean'),
))

ib.disconnect()

6.3 我自己跑出来的典型结果（之前 paper 实测）

关键发现：

1. Market vs Marketable：0.5 bps 差，但 Marketable 有上限保护——白送的 upgrade
2. Mid-60s 节省 2 bps（vs Market）但 fill rate 只有 67%——是否值得看你的策略容忍度
3. Adaptive Normal 在 fill rate 100% 的同时给出了 Marketable 一半的 slip——这就是 IBKR ML 的价值

Phase 3 我的决策：所有非紧急 entry 默认 Adaptive Normal，急的用 Marketable，Mid 单只用在 patience 类的 take-profit。

---

七、散户最佳实践 Cheat Sheet

核心 mental model：

紧急程度高 → 接受 spread → Market / Marketable / Adaptive Urgent
紧急程度低 → 节省 spread → Mid / Patience / Adaptive Patient

订单类型选择 = 紧急程度 × 流动性

---

八、Fill Rate 统计：「成交概率 vs 价格优势」的 trade-off 量化

这是 Day 64 最值得记住的一张表：

核心 trade-off 公式：

期望成本 = (1 - FillRate) × OpportunityCost + FillRate × Slip

• OpportunityCost：你想买的票 30 分钟内涨了多少
• 如果票涨得快（趋势策略），低 FillRate 的成本极高
• 如果票横盘（mean-reversion），低 FillRate 几乎零成本

对策略的反向影响：

• 动量策略用 Marketable Limit / Adaptive Urgent（fill rate 优先）
• 均值回归策略用 Mid-price Limit（spread saving 优先，不 fill 也无所谓）
• **Theta 收割（卖期权）**用 Patience Order（time decay 让你 patient）

---

九、「不要做」的执行错误黑名单

我把过去 60 天看到 / 自己踩过的执行错误整理成黑名单。这些是亏掉 alpha 最快的方式：

❌ 错误 1：在期权上下 Market 单

SPY 期权 spread bid 1.20 / ask 1.30 = 8.3% spread
Market buy 1 张 = 多付 $5
30 笔/月 × $5 = $150 = 你账户的 3%

正确：期权永远用 Limit（至少 Marketable Limit），even if 你赶时间。

❌ 错误 2：GTC Limit 设得离 mid 太远

SPY 在 $500，你挂 GTC Limit buy at $480
意图：「等回调」
现实：3 个月没 fill，错过 SPY 涨到 $530

正确：要么挂在 mid ±1% 内，要么放弃 Limit 改 trigger-based（条件单）。Limit 不是占卜工具。

❌ 错误 3：没设 Time-in-Force（依赖默认 DAY）

order = LimitOrder('BUY', 100, 99.0)
# 没设 tif → 默认 DAY → 收盘前不 fill 自动 cancel
# 你以为还挂着，明天才发现没成交
ib.placeOrder(stock, order)

正确：每次明确写 tif，至少在脑子里过一遍：

order.tif = 'GTC'  # Good Till Canceled
# 或
order.tif = 'DAY'  # Day Only
# 或
order.tif = 'IOC'  # Immediate or Cancel
# 或
order.tif = 'FOK'  # Fill or Kill

❌ 错误 4：Stop 单当 Stop-Limit 用

设 Stop at $99，期望 fill 在 $98-99
现实：flash crash 时 fill 在 $85

正确：用 Stop-Limit + 1-2% buffer，接受「flash crash 时可能不平」的小概率风险。

❌ 错误 5：Mid 单一挂挂半天不管

挂 Mid Limit
30 秒过去，没 fill
等了 2 小时，价格已经移动 1%
还在等 mid，但 mid 已经不是当时的 mid 了

正确：Mid 单 30-60 秒没 fill 就主动取消或改价，不要被「我已经投资了等待时间」绑架（沉没成本谬误）。

❌ 错误 6：用 Adaptive Algo 在 Cash 账户上下当日反手

Cash 账户：未结算资金不能再用
T+2 才能用刚卖的钱再买
Adaptive Algo 不会帮你绕过这个规则

正确：知道自己账户类型，记 T+2/T+1 结算窗口。

---

十、PM 视角：execution = 「最后一公里」

这一天对 PM 思维最大的迁移性认知：

10.1 「最后一公里」决定全局体验

量化策略：
  信号优秀（90 分） + 回测优秀（90 分） + 风控完善（90 分）
  + 执行随便下 Market 单（40 分）
  = 实盘 Sharpe 折半

产品开发：
  需求挖掘（90 分） + 设计（90 分） + 开发（90 分）
  + 上线日没人盯 release / rollback（40 分）
  = 用户体验崩盘

前面再好，最后一公里给用户体验差，全归零。这在产品里是「QA + Rollout + Hotfix」，在交易里是「执行算法」。

10.2 「默认行为」的设计是杠杆点

IBKR Adaptive Algo 让 ML 替散户做 mid → ask 逼近——本质是把「专业知识 default into 用户行为」。

对应到 PM 工作：

• 用户不会专门学习如何用你的产品
• 你的产品默认行为决定了 90% 用户的实际体验
• 改进默认行为的 ROI 远高于做新功能

Phase 4 我会自己写一个执行包装层，把 Adaptive Normal 设成全局 default，要用 Market 必须显式声明（类似 Day 1 的 Read-Only API safety pattern）。

10.3 「成本可见性」是治理问题

佣金：每单都有发票 → 用户看得见 → 监管和市场会卷
滑点：藏在 fill 价里 → 用户看不见 → 市场不卷

这就是为什么 PFOF（Robinhood 模式）能存在——佣金 $0 是看得见的，PFOF 滑点是看不见的。

PM 启示：任何成本不可见的产品都有 hidden agency problem。设计产品时，让用户看到隐性成本（即便只是日志），是建立信任的关键。

10.4 Spread 是市场的「税」，执行是「避税」

spread = 做市商的服务费
做市商靠 spread 活，散户全是「被服务的」
学会执行算法 = 学会少付服务费 = alpha

这个 mental model 对所有 marketplace 类产品适用：Uber 抽成 / Stripe 手续费 / Airbnb fee——理解 spread / fee structure 是参与 marketplace 的基本功。

---

十一、明日预告

Day 65: 报税基础 — W-8BEN / 30% 股息预提 / 1042-S / 中国大陆个税申报

• W-8BEN 三年到期续签流程
• 美国对非美国人征税的三个分类（dividend / interest / cap gain）
• 为什么资本利得 0%、股息 30%——以及对策略选择的反向影响
• 1042-S vs 1099 表格的区别
• 国内个人海外资产 ≥$50k 的 CRS / 外汇申报义务
• IBKR 年度税务报表怎么下载、怎么自己核对
• 「税后 Sharpe」才是真 Sharpe：把税建模进回测

---

实际执行记录

启动一项填一项，时间戳 + 卡点。

• [hh:mm] 跑通 100 笔小单实验脚本（A/B/C/D 四组）
• [hh:mm] 统计实际 fill rate 与 slip bps
• [hh:mm] 把 Adaptive Algo 设为 entry 默认 wrapper
• [hh:mm] Mid → Marketable 逐步逼近函数封装
• [hh:mm] Stop-Limit + 1-2% buffer 全局替换裸 Stop
• [hh:mm] 更新 docs/daily/TR_PROGRESS.md Day 64 标 ✅
• 卡点 / 学到的：

---

总字数：约 6,400 字 今日完成度：理论 ✓ / 实操（待你跑实验） / 笔记 ✓